Đánh giá xâm nhập mặn vùng cửa sông từ dữ liệu viễn thám kết hợp quan trắc mặt đất

50 SCIENCE & TECHNOLOGY DEVELOPMENT JOURNAL:<br /> SCIENCE OF THE EARTH & ENVIRONMENT, VOL 2, ISSUE 2, 2018<br /> <br /> <br /> Đánh giá xâm nhập mặn vùng cửa sông từ<br /> dữ liệu viễn thám kết hợp quan trắc mặt đất<br /> Nguyễn Nguyên Vũ, Lê Văn Trung, Trần Thị Vân<br /> <br /> Tóm tắt—Xâm nhập mặn làm giảm năng suất sông ở thượng nguồn trong mùa khô. Mặn xâm<br /> cây trồng, gây thoái hóa đất, giảm chất lượng nước, nhập sâu vào nội đồng khiến đất bị nhiễm mặn<br /> ảnh hưởng nghiêm trọng đến sản xuất nông nghiệp, (mặn hóa) không những làm giảm năng suất của<br /> môi trường cũng như đời sống dân sinh. Trước diễn<br /> hầu hết các loại thực vật mà còn làm xấu đi các<br /> biến của biến đổi khí hậu và hoạt động nhân sinh từ<br /> tính chất lý, hóa học của đất, ảnh hưởng tiêu cực<br /> phía thượng nguồn sông Mê Kông, vùng hạ lưu<br /> thuộc hai cửa Định An và Cung Hầu thuộc tỉnh Trà<br /> đến cân bằng sinh thái trong vùng.<br /> Vinh cũng bị tác động đáng kể của xâm nhập mặn Quá trình xâm nhập mặn thường diễn biến<br /> từ biển Đông. Bài báo giới thiệu giải pháp tích hợp phức tạp, khó dự đoán và gây ảnh hưởng trên một<br /> kỹ thuật viễn thám và GIS trong giám sát và thành khu vực rộng lớn, trong khi công tác giám sát,<br /> lập bản đồ xâm nhập mặn. Dữ liệu sử dụng là ảnh vệ phân tích và cảnh báo xâm nhập mặn hiện nay còn<br /> tinh Landsat 8 kết hợp với số liệu quan trắc độ mặn nhiều hạn chế do mạng lưới quan trắc thưa thớt,<br /> của nước được thu thập từ các trạm quan trắc thực<br /> xuống cấp, công tác điều tra xâm nhập mặn được<br /> tế vào mùa khô. Phân tích cho thấy có sự tương<br /> thực hiện chủ yếu bằng phương pháp truyền thống<br /> quan có ý nghĩa thống kê giữa giá trị quan trắc độ<br /> mặn của nước và giá trị pixel của ảnh thành phần như đo đạc, lấy mẫu ở thực địa, … tốn kém chi<br /> chính thứ nhất. Mô phỏng phân bố không gian từ phí, thời gian, nhân lực, khó cung cấp thông tin<br /> nghiên cứu cho thấy xâm nhập mặn hiện đang tiến kịp thời cho hệ thống cảnh báo sớm [2].<br /> sâu vào nội đồng với khoảng cách tính từ cửa sông Công nghệ viễn thám với dữ liệu ảnh đa phổ,<br /> vào khoảng từ 30 đến 48 km tùy thời điểm vào mùa đa thời gian có khả năng giám sát liên tục sự biến<br /> khô. Kết quả nghiên cứu này sẽ hỗ trợ cho các nhà động chất lượng nước (độ đục, độ mặn, chất rắn<br /> quản lý có thể hoạch định chiến lược vùng lương lơ lửng, …) trên phạm vi rộng lớn mà không bị<br /> thực an toàn trước nguy cơ của xâm nhập mặn hiện<br /> hạn chế bởi số lượng trạm quan trắc. Trên thế giới<br /> nay.<br /> đã có các nghiên cứu ứng dụng viễn thám để giám<br /> Từ khóa—tương quan, nước biển dâng, phân sát độ mặn trong nước thông qua khảo sát tương<br /> tích không gian, xâm nhập mặn<br /> quan giữa giá trị phổ của ảnh vệ tinh và độ mặn<br /> đo ở thực địa [1, 3, 4]. Mối tương quan có ý nghĩa<br /> 1 GIỚI THIỆU<br /> thống kê được tìm thấy giữa độ mặn thực địa và<br /> âm nhập mặn là hiện tượng nước mặn từ<br /> X biển với nồng độ mặn từ 4‰ theo các sông,<br /> kênh, rạch xâm nhập sâu vào nội đồng gây mặn<br /> giá trị phản xạ phổ của các kênh ảnh trong dải<br /> sóng khả kiến và cận hồng ngoại [7]. Mô hình hồi<br /> quy giám sát độ mặn được xây dựng dựa trên sự<br /> trên diện rộng khi xảy ra triều cường, nước biển kết hợp giữa dữ liệu viễn thám và dữ liệu đo mặn<br /> dâng hoặc do cạn kiệt nguồn nước ngọt từ các thực địa và mô hình này được áp dụng để thành<br /> lập bản đồ mô phỏng độ mặn cho khu vực rộng<br /> Ngày nhận bản thảo: 27-11-2018; Ngày chấp nhận đăng: lớn [4, 5]. Các nghiên cứu này cho thấy công nghệ<br /> 25-12-2018; Ngày đăng: 31-12-2018 viễn thám là công cụ hiệu quả để hỗ trợ phương<br /> Nguyễn Nguyên Vũ, Trường ĐH Bách Khoa, ĐHQG- pháp truyền thống trong công tác giám sát và cảnh<br /> HCM (e-mail: 1680965@hcmut.edu.vn)<br /> báo xâm nhập mặn.<br /> Lê Văn Trung, Trường ĐH Bách Khoa, ĐHQG-HCM<br /> (e-mail: lvtrung@hcmut.edu.vn) Ngoài những ưu điểm nêu trên thì dữ liệu viễn<br /> Trần Thị Vân, Trường ĐH Bách Khoa, ĐHQG-HCM thám cũng có một số hạn chế như: độ phân giải<br /> (email: tranthivankt@hcmut.edu.vn ) ảnh không cao, ảnh bị nhiễu hay bị ảnh hưởng bởi<br />  TẠP CHÍ PHÁT TRIỂN KHOA HỌC & CÔNG NGHỆ: 51<br /> CHUYÊN SAN KHOA HỌC TRÁI ĐẤT & MÔI TRƯỜNG, TẬP 2, SỐ 2, 2018<br /> <br /> điều kiện môi trường, vấn đề nhầm lẫn phổ giữa<br /> các đối tượng, điều này gây khó khăn cho công<br /> tác giải đoán hoặc làm giảm độ chính xác của kết<br /> quả giải đoán các đối tượng trên ảnh.<br /> Bài báo trình bày phương pháp kết hợp ảnh vệ<br /> tinh có độ phân giải không gian và thời gian phù<br /> hợp với số liệu quan trắc độ mặn của nước từ các<br /> trạm đo mặn cố định, từ đó, xác định sự tương<br /> quan giữa giá trị độ mặn thực tế tại các trạm quan<br /> trắc với giá trị phản xạ của pixel tại cùng vị trí và<br /> cùng thời điểm bởi từng kênh phổ trên ảnh vệ<br /> tinh. Sự kết hợp này được thực hiện trên cơ sở<br /> tích hợp công nghệ viễn thám và hệ thống thông<br /> tin địa lý (GIS) để tận dụng ưu thế của hai kỹ<br /> thuật này trong việc thu thập, lưu trữ, phân tích và<br /> xử lý dữ liệu địa lý để nâng cao hiệu quả trong<br /> việc xây dựng, cập nhật và phân tích dữ liệu Hình 1. Khu vực nghiên cứu (bên trong đường màu đỏ) và vị<br /> trí các điểm đo mặn<br /> không gian.<br /> 2.2 Dữ liệu<br /> 2 PHƯƠNG PHÁP NGHIÊN CỨU 2.2.1 Dữ liệu mặt đất<br /> 2.1 Khu vực nghiên cứu Để giám sát xâm nhập mặn trên các con sông<br /> và kênh rạch chính thuộc sông Cửu Long, dữ liệu<br /> Khu vực nghiên cứu tại tỉnh Trà Vinh – tỉnh<br /> đo mặn của 11 trạm quan trắc phân bố tại các cửa<br /> Duyên hải Đồng bằng sông Cửu Long, phía Đông<br /> sông và dọc các sông do Đài Khí tượng Thủy văn<br /> giáp Biển Đông, phía Tây giáp Vĩnh Long, phía<br /> khu vực Nam Bộ cung cấp vào năm 2014 được sử<br /> Nam giáp Sóc Trăng, phía Bắc giáp Bến Tre, có<br /> dụng. Các trạm cung cấp dữ liệu độ mặn liên tục<br /> 65 km bờ biển - vị trí địa lý từ 9o31’46” đến<br /> trong ngày (2 giờ/lần) từ tháng 1 đến tháng 6<br /> 10o04’05’ vĩ độ Bắc và từ 105o57’16” đến<br /> trong năm. Dữ liệu được tổ chức, lưu trữ và quản<br /> 106o36’04” kinh độ Đông, được bao bọc bởi sông<br /> lý trong GIS để tạo cơ sở đánh giá xu hướng xâm<br /> Tiền và sông Hậu với hai cửa sông Định An và<br /> nhập mặn theo không an và thời gian.<br /> Cung Hầu (Hình 1).<br /> Đồng bằng sông Cửu Long (ĐBSCL) là vùng 2.2.2 Dữ liệu ảnh vệ tinh<br /> sản xuất nông nghiệp lớn của cả nước, đóng góp Ảnh vệ tinh Landsat 8 (độ phân giải không<br /> quan trọng cho xuất khẩu cũng như cung cấp gian 30 m) thu nhận lúc 10 giờ sáng các ngày<br /> lương thực cho người dân. Nằm trong khu vực 22/02/2014, 10/3/2014, 26/3/2014, 27/4/2014,<br /> này, tỉnh Trà Vinh đang chịu ảnh hưởng nặng nề 13/5/2014. Kích thước của mỗi cảnh ảnh là 185<br /> bởi mực nước biển dâng, biến đổi khí hậu và tác km x 180 km. Các ảnh Landsat 8 được tải xuống<br /> động tiêu cực từ các công trình ngăn nước ở từ trang web của Hiệp hội Khảo sát địa chất Hoa<br /> thượng nguồn. Điều này làm cho tình trạng xâm Kỳ (United States Geological Survey - USGS) với<br /> nhập mặn diễn ra ngày càng nghiêm trọng và dự định dạng GeoTIFF. Các pixel mặt nước trên ảnh<br /> báo sẽ còn tiếp tục với những diễn biến tiêu cực, Landsat 8 được tách riêng để so sánh với giá trị độ<br /> khó lường trong thời gian tới. mặn được đo cùng thời điểm tại vị trí tương ứng<br /> ngoài thực địa.<br /> 2.3 Tách đối tượng mặt nước trên ảnh viễn thám<br /> Mục tiêu của nghiên cứu là giám sát xâm nhập<br /> mặn trong nước dựa vào mối quan hệ giữa dữ liệu<br /> viễn thám và giá trị độ mặn trong nước đo đạc tại<br />  52 SCIENCE & TECHNOLOGY DEVELOPMENT JOURNAL:<br /> SCIENCE OF THE EARTH & ENVIRONMENT, VOL 2, ISSUE 2, 2018<br /> <br /> thực địa. Do đó, các pixel mặt nước trên ảnh viễn Biểu đồ cho thấy tất cả các loại muối sodium<br /> thám cần được tách riêng để so sánh với giá trị độ sulfate, halite, gypsum, calcium carbonate,<br /> mặn tại vị trí tương ứng ngoài thực địa. Để chiết sodium bicarbonate đều phản xạ mạnh (hơn 80%)<br /> tách mặt nước trong khu vực nghiên cứu, chỉ số trong dải bước sóng từ 0,4 đến 1,4 μm (từ kênh<br /> NDWI (Normalized Difference Water Index) [8] khả kiến đến cận hồng ngoại). Đây là cơ sở đặt ra<br /> được sử dụng như sau: giả thuyết có thể sử dụng các kênh khả kiến (Kênh<br /> (Green - NIR) 2, Kênh 3, Kênh 4) và kênh cận hồng ngoại (Kênh<br /> NDWI =<br /> (Green + NIR) 5) của ảnh Landsat 8 để phát triển mô hình mô<br /> Trong đó, Green là giá trị độ sáng của kênh 3, phỏng độ mặn trong nước.<br /> NIR là giá trị độ sáng của kênh 5 đối với ảnh 2.5 Phân tích thành phần chính (Principal<br /> Landsat 8. Chỉ số NDWI nhằm làm nổi bật khả Component Analysis – PCA)<br /> năng phản xạ của nước trong bước sóng Green<br /> Ảnh viễn thám chụp ở các kênh phổ gần nhau<br /> (0,525-0,600 μm) so với bước sóng cận hồng<br /> có độ tương quan rất cao, vì vậy thông tin của<br /> ngoại NIR (0,845-0,885 μm). Các pixel có giá trị<br /> chúng bị trùng lặp lớn gây nhiễu ảnh hoặc dư thừa<br /> NDWI dương (0 < NDWI < 1) đại diện cho đối<br /> thông tin. Bản chất của phương pháp phân tích<br /> tượng mặt nước trên ảnh.<br /> thành phần chính là một thuật toán thống kê nhằm<br /> 2.4 Đặc trưng phản xạ phổ của muối trong nước biến đổi tập dữ liệu đa biến tương quan vào một<br /> Phổ phản xạ là thông tin quan trọng nhất mà tập dữ liệu đa biến không tương quan (gọi là các<br /> viễn thám thu được về các đối tượng trên Trái đất. thành phần chính - PC). Các thành phần chính này<br /> Dựa vào đặc điểm phổ phản xạ (cường độ, dạng loại bỏ những thông tin trùng lắp, từ đó tạo ảnh<br /> đường cong ở các dải bước sóng khác nhau) có mới chứa thông tin chủ yếu dễ nhận biết hơn so<br /> thể phân tích, so sánh và nhận diện các đối tượng với ảnh gốc, giúp làm nổi bật hơn đặc tính phổ<br /> trên bề mặt. Thành phần muối trong nước bao của một số đối tượng trên bề mặt Trái đất [10].<br /> gồm sự kết hợp giữa các anion (chlorides, Như đã trình bày ở mục 2.4, các loại muối chủ<br /> carbonates, bicarbonates, sulfates) và các cation yếu phản xạ mạnh tại dải bước sóng từ 0,4 – 1,4 μm<br /> (sodium, calcium, magnesium, potassium) như: tương ứng với các kênh ảnh 1, 2, 3, 4, 5 của ảnh<br /> Halite (NaCl), Gypsum (CaSO4.2H2O), Calcium Landsat 8, do đó, nghiên cứu thực hiện phân tích<br /> carbonate (CaCO3), Sodium bicarbonate thành phần chính riêng cho các kênh ảnh này và<br /> (NaHCO3), Sodium sulfate (Na2SO4) … Nghiên hàm lượng thông tin trong các thành phần chính<br /> cứu thực nghiệm tại các dải bước sóng khác nhau này được thể hiện trong Bảng 1:<br /> cho thấy đặc trưng phản xạ phổ của các thành Bảng 1. Phân tích thành phần chính từ kênh 1 đến kênh 5<br /> phần muối thể hiện như Hình 2 [7]. của ảnh Landsat 8<br /> <br /> Lượng Lượng<br /> Thành phần Thành phần<br /> thông tin thông tin<br /> chính chính<br /> (%) (%)<br /> PC1 88,6053 PC4 0,1223<br /> PC2 8,9432 PC5 0,0322<br /> PC3 2,2976<br /> <br /> <br /> Trong năm thành phần chính từ PC1 đến PC5<br /> thì thành phần chính đầu tiên PC1 chứa phần lớn<br /> lượng thông tin ảnh (88,6%).<br /> 2.6 Phát triển mô hình giám sát xâm nhập mặn<br /> từ ảnh Landsat 8<br /> <br /> Hình 2. Đường đặc trưng phản xạ phổ của muối tại các bước Nghiên cứu phát triển các mô hình thực<br /> sóng khác nhau [7] nghiệm để ước lượng độ mặn trong nước thông<br /> qua hàm số với các biến đầu vào là giá trị phổ của<br />  TẠP CHÍ PHÁT TRIỂN KHOA HỌC & CÔNG NGHỆ: 53<br /> CHUYÊN SAN KHOA HỌC TRÁI ĐẤT & MÔI TRƯỜNG, TẬP 2, SỐ 2, 2018<br /> <br /> các kênh ảnh và các thành phần chính có tương Bảng 2 cho biết kênh 1, kênh 2, kênh 3, kênh<br /> quan cao với độ mặn thực địa, mối tương quan 4, kênh 5 có tương quan tốt với giá trí độ mặn<br /> này được xác định dựa vào hệ số tương quan thực địa (hệ số Pearson r > 0,5). Trong đó, kênh 4<br /> Pearson (r). (kênh khả kiến Red, bước sóng 0,525 – 0,60 μm)<br /> Kỹ thuật phân tích hồi quy tuyến tính và phi có tương quan mạnh nhất với hệ số Pearson<br /> tuyến, với đơn biến và đa biến được sử dụng để r = 0,83. Kết quả trên cho thấy có thể sử dụng giá<br /> định lượng mối quan hệ giữa giá trị phản xạ của trị các kênh khả kiến và cận hồng ngoại (bước<br /> ảnh vệ tinh và giá trị độ mặn trong nước từ đó sóng từ 0,4 – 1,4 μm) của ảnh Landsat 8 để phát<br /> phát triển các mô hình thực nghiệm. Nghiên cứu triển mô hình mô phỏng độ mặn trong nước.<br /> sử dụng 40/55 giá trị của bộ dữ liệu giá trị độ mặn Cùng với việc phân tích tương quan giữa các<br /> thực địa và giá trị phản xạ phổ của ảnh Landsat 8 kênh phổ 1, 2, 3, 4, 5 của ảnh Landsat 8 và giá trị<br /> (tại vị trí và thời gian tương ứng với thời gian đo độ mặn thực địa, nghiên cứu này tiến hành khảo<br /> mặn ở thực địa) để xây dựng các mô hình mô sát tương quan giữa độ mặn thực địa và các thành<br /> phỏng độ mặn trong nước từ giá trị phản xạ bề<br /> phần chính tính toán từ năm kênh ảnh Landsat 8<br /> mặt. 15 giá trị còn lại trong bộ dữ liệu được dùng<br /> gốc này. Các thành phần chính này loại bỏ được<br /> để đánh giá sự phù hợp của các mô hình thông<br /> những thông tin trùng lắp nên nó chứa các thông<br /> qua việc tính toán căn bậc hai của sai số toàn<br /> tin chủ yếu dễ nhận biết hơn so với ảnh gốc, giúp<br /> phương trung bình (Root Mean Square Error –<br /> làm nổi bật hơn đặc tính phổ của các đối tượng, vì<br /> RMSE). Mô hình tối ưu nhất được lựa chọn là mô<br /> hình có hệ số xác định bội R2 lớn nhất và RMSE vậy, nó là biến số có thể đưa vào để phát triển mô<br /> nhỏ nhất. Trong các mô hình này, giá trị độ mặn hình mô phỏng độ mặn. Kết quả tính toán hệ số<br /> đóng vai trò là biến phụ thuộc, trong khi đó giá trị tương quan Pearson giữa năm thành phần chính<br /> các kênh ảnh và các thành phần chính là các biến PC1 đến PC5 với giá trị độ mặn thực địa được thể<br /> độc lập. hiện trong Bảng 3.<br /> Bảng 3. Hệ số tương quan (r) giữa các thành phần chính<br /> 3 KẾT QUẢ VÀ THẢO LUẬN<br /> và độ mặn thực tế<br /> 3.1 Tương quan giữa dữ liệu viễn thám và dữ Hệ số tương quan (r)<br /> liệu độ mặn trong nước PC1 0,860305<br /> Trước khi xây dựng mô hình cần khảo sát sự PC2 0,562152<br /> PC3 -0,503505<br /> tương quan giữa các biến độc lập (giá trị phổ của<br /> PC4 -0,26186<br /> ảnh viễn thám) và biến phụ thuộc (giá trị độ mặn)<br /> PC5 0,240409<br /> để làm cơ sở lựa chọn các biến độc lập phù hợp, là<br /> các biến có tương quan cao với biến phụ thuộc. Bảng 3 cho thấy thành phần chính thứ nhất<br /> Mức độ tương quan giữa các biến được thể hiện PC1 có tương quan mạnh nhất với giá trị độ mặn<br /> qua hệ số tương quan Pearson.<br /> thực địa (hệ số Pearson r = 0,86). Từ đó, nghiên<br /> Tương quan giữa các kênh phổ ảnh Landsat 8<br /> cứu lựa chọn thành phần chính PC1 để đưa vào bộ<br /> (từ kênh 1 đến kênh 5) tại năm thời điểm ảnh<br /> dữ liệu phát triển mô hình mô phỏng độ mặn.<br /> 22/02/2014, 10/3/2014, 26/3/2014, 27/4/2014,<br /> 13/5/2014 và giá trị độ mặn đo tại 11 trạm đo mặn 3.2 Mô hình thống kê mô phỏng độ mặn<br /> của Đài Khí tượng Thủy văn Nam bộ tại cùng vị<br /> Nghiên cứu tiến hành phát triển mô hình thực<br /> trí và cùng thời điểm thu nhận ảnh thể hiện trong<br /> nghiệm ước lượng độ mặn (Bảng 4) dựa vào 40<br /> Bảng 2 dưới đây:<br /> mẫu quan sát, các mô hình này có thể được sử<br /> Bảng 2. Hệ số tương quan (r) giữa các kênh ảnh Landsat 8<br /> và độ mặn đo ở thực địa<br /> dụng để mô phỏng sự phân bố không gian của độ<br /> mặn dựa vào năng lượng phản xạ phổ của ảnh vệ<br /> Hệ số tương quan (r)<br /> Kênh 1 - Coastal Aerosol 0,67790 tinh.<br /> Kênh 2 - Blue 0,785104<br /> Kênh 3 - Green 0,81233<br /> Kênh 4 - Red 0,82786<br /> Kênh 5 - Near Infrared (NIR) -0,58903<br />  54 SCIENCE & TECHNOLOGY DEVELOPMENT JOURNAL:<br /> SCIENCE OF THE EARTH & ENVIRONMENT, VOL 2, ISSUE 2, 2018<br /> <br /> Bảng 4. Các mô hình thực nghiệm ước lượng độ mặn (S) dùng xâm nhập mặn trên 15 giá trị độ mặn quan trắc<br /> các kênh phổ Blue (B), Green (G), Red (R) và thành phần chính<br /> PC1 của ảnh Landsat 8 thực tế.<br /> <br /> TT Mô hình R2 RMSE<br /> 1 S = 0,0014.e0,0006.(PC1) 0,8195 1,592<br /> 2 S = 0,0001.e0,0011.(G) 0,7859 2,029<br /> 3 S = 0,0131.e0,0007.(R) 0,751 2,073<br /> 4 S = 0,0042.(PC1) – 54,015 0,7401 2,317<br /> 5 S = 0,00001.e0,0012.(B) 0,7269 2,651<br /> 6 S = 0,0053.(R) – 41,889 0,6854 2,761<br /> 7 S = 0,0081.(G) – 74,6 0,6599 3,601<br /> 8 S = 0,0095.(B) – 94,186 0,6164 4,081<br /> <br /> <br /> Các mô hình trong Bảng 4 đều có hệ số xác<br /> định bội R2 lớn hơn 0,6. Các mô hình dạng phi Hình 3. Mô hình giám sát xâm nhập mặn từ ảnh Landsat 8<br /> tuyến có hệ số xác định bội R2 cao hơn so với các<br /> mô hình dạng tuyến tính (0,73 – 0,82 so với 0,61<br /> – 0,74). Các mô hình tuyến tính và phi tuyến sử<br /> dụng thành phần chính PC1 có hệ số xác định bội<br /> R2 lớn hơn các mô hình sử dụng kênh khả kiến.<br /> Như vậy, mô hình phù hợp nhất là mô hình phi<br /> tuyến số 1 dạng Exponential sử dụng thành phần<br /> chính PC1 có hệ số xác định bội R2 lớn nhất và sai<br /> số RMSE nhỏ nhất.<br /> Các thông số thống kê của mô hình số 1 như<br /> giá trị kiểm định t-stat = 5,68 và trị số p-value =<br /> 0,00075 (< 0,05) cho thấy có mối liên hệ giữa giá Hình 4. Đánh giá kết quả theo số liệu thực tế tại<br /> các trạm quan trắc<br /> trị độ mặn đo ở thực địa và giá trị thành phần<br /> chính PC1 của ảnh Landsat 8 tại cùng thời điểm 3.3 Xây dựng bản đồ xâm nhập mặn từ ảnh<br /> và cùng vị trí đo mặn, và mối liên hệ này có ý Landsat 8<br /> nghĩa thống kê. Trị số R2 = 0,8195 cho biết mối<br /> Bản đồ xâm nhập mặn được thành lập dựa trên<br /> liên hệ chặt chẽ giữa hai biến độ mặn và PC1 và<br /> mô hình: S = 0,0014.e0,0006.(PC1) cho các ảnh<br /> mô hình số 1 giải thích được khoảng 82% các<br /> Landsat 8 ở các thời điểm thu nhận khác nhau.<br /> khác biệt về độ mặn thực địa giữa các vị trí khác<br /> Trong đó, các giá trị độ sáng của pixel ảnh PC1<br /> nhau trên ảnh thành phần chính PC1.<br /> được chuyển thành giá trị độ mặn và được vector<br /> Hình 3 cho thấy mối quan hệ phi tuyến giữa<br /> hóa bởi phần mềm GIS để thể hiện sự phân bố<br /> giá trị độ mặn thực địa và giá trị thành phần chính<br /> không gian của độ mặn trên các con sông chính từ<br /> PC1 thể hiện thông qua mô hình số 1. Hình 4 thể<br /> hai cửa sông Cung Hầu và Định An, tỉnh Trà<br /> hiện sự tương quan chặt chẽ giữa dữ liệu thực địa<br /> Vinh. Cấp độ mặn được phân thành 4 cấp dựa trên<br /> và dữ liệu ước tính từ mô hình (trên cơ sở bộ dữ<br /> ngưỡng mặn ảnh hưởng đến sinh trưởng của cây<br /> liệu kiểm tra gồm 15 mẫu quan sát) thể hiện thông<br /> trồng là 4 g/l, bao gồm: (1) độ mặn nhỏ hơn 4 g/l;<br /> qua mối quan hệ tuyến tính với hệ số R2 = 0,8948<br /> (2) độ mặn trong khoảng từ 4 đến 7 g/l; (3) độ<br /> (hệ số tương quan r = 0,945; kiểm định t =<br /> mặn trong khoảng từ 7 đến 10 g/l; (4) độ mặn lớn<br /> 10,705; p-value = 8,116e-8).<br /> hơn 10 g/l.<br /> Hình 3 thể hiện biểu đồ tương quan giữa 40<br /> Hình 5 là kết quả phân vùng độ mặn theo 4<br /> giá trị độ mặn quan trắc thực tế và giá trị phản xạ<br /> cấp cho thấy, vào tháng 2, ranh mặn 4 g/l có xu<br /> phổ tương ứng của ảnh thành phần chính PC1 với<br /> hướng xâm nhập vào nội đồng theo cửa sông<br /> sai số bình phương nhỏ nhất (RMSE=1,592) và<br /> Cung hầu và Định An sâu hơn thời điểm tháng 5.<br /> hình 4 thể hiện kết quả đánh giá mô hình giám sát<br /> Ranh mặn 4 g/l xâm nhập sâu hơn 50 km vào nội<br />  TẠP CHÍ PHÁT TRIỂN KHOA HỌC & CÔNG NGHỆ: 55<br /> CHUYÊN SAN KHOA HỌC TRÁI ĐẤT & MÔI TRƯỜNG, TẬP 2, SỐ 2, 2018<br /> <br /> đồng vào tháng 2/2014, trong khi vào tháng 5, Từ cuối tháng 2 đến giữa tháng 5/2014 gần<br /> nước mặn rút dần, chiều sâu xâm nhập của ranh như toàn bộ tỉnh Trà Vinh đã bị nước mặn xâm<br /> mặn 4 g/l chỉ còn xấp xỉ 30 km (Bảng 5). nhập, trong đó huyện Cầu Ngang, huyện ven biển<br /> Bảng 5. Chiều dài xâm nhập mặn dọc sông từ<br /> Duyên Hải và một phần huyện Trà Cú nằm trong<br /> cửa sông Cung Hầu và Định An ranh mặn lớn từ 7 g/l đến hơn 10 g/l.<br /> Cửa sông 22/02/2014 13/5/2014 Xem xét xu hướng xâm nhập mặn ở 2 mốc<br /> Cửa Cung Hầu 48 km 36 km thời gian từ các cửa sông chính Cung Hầu và<br /> Cửa Định An 38 km 30 km<br /> Định An trên sông Cửu Long vào nội đồng cho<br /> thấy giải pháp ứng dụng ảnh vệ tinh Landsat 8 thể<br /> hiện khá phù hợp sự phân bố không gian của tiến<br /> trình xâm nhập mặn. Việc tạo công cụ GIS phân<br /> tích trực quan ở nhiều cấp độ mặn khác nhau, có<br /> thể hỗ trợ hiệu quả cho công tác giám sát xâm<br /> nhập mặn trên toàn bộ mạng lưới sông và kênh<br /> rạch trên địa bàn ĐBSCL.<br /> <br /> <br /> <br /> <br /> a) Ảnh ngày 22/02/2014 b) Ảnh ngày 13/05/2014<br /> Hình 5. Phân vùng độ mặn trên các nhánh chính từ cửa sông Cung Hầu và Định An, tỉnh Trà Vinh<br /> <br /> lý đưa ra giải pháp ứng phó xâm nhập mặn phù<br /> 4 KẾT LUẬN<br /> hợp, phân vùng ảnh hưởng mặn trong các khu vực<br /> Mật độ các trạm quan trắc dọc sông Cửu Long canh tác nông nghiệp ở nội đồng, lập kế hoạch<br /> hiện nay chưa đủ để xác định cụ thể xâm nhập mùa vụ nhằm hạn chế thiệt hại do xâm nhập mặn.<br /> mặn theo không gian và thời gian (tác động đến<br /> từng xã và công trình ngăn mặn). Bài báo đề xuất LỜI CẢM ƠN<br /> giải pháp phối hợp dữ liệu quan trắc thực tế với Nghiên cứu được tài trợ bởi Trường Đại học<br /> dữ liệu ảnh viễn thám Landsat 8, nhằm thành lập Bách khoa – ĐHQG-HCM trong khuôn khổ Đề<br /> bản đồ và giám sát xâm nhập mặn hiệu quả dọc tài mã số TNCS-MTTN-2017-11. Các tác giả xin<br /> các nhánh sông chính từ cửa sông Cung Hầu, trân trọng cảm ơn.<br /> Định An, tỉnh Trà Vinh nói riêng và vùng ĐBSCL<br /> nói chung. Kết quả đạt được có thể cung cấp TÀI LIỆU THAM KHẢO<br /> thông tin trực quan cho các nhà khoa học kết hợp [1] A. Akhtar, Kh.H. Shahbaz, Nisar, A.H. Munir, and A. Suad,<br /> mô hình về thủy triều và lưu lượng nước từ “Characterizing soil salinity in irrigated agriculture using a<br /> remote sensing approach”, Phys. Chem. Earth, pp.1-10,<br /> thượng nguồn để tạo các hệ thống cảnh báo sớm. 2013.<br /> Ngoài ra, giải pháp đề xuất nhằm hỗ trợ nhà quản<br />  56 SCIENCE & TECHNOLOGY DEVELOPMENT JOURNAL:<br /> SCIENCE OF THE EARTH & ENVIRONMENT, VOL 2, ISSUE 2, 2018<br /> <br /> [2] Cục Thông tin KH&CN Quốc gia, “Xâm nhập mặn tại [7] Metternicht G.I, J.A. Zinck, “Remote sensing of soil<br /> ĐBSCL: nguyên nhân, tác động và các giải pháp ứng phó”, salinity: potentials and constraints”, Remote Sensing of<br /> 2016. Environment, vol.85, pp. 1-20, 2003.<br /> [3] El Saadi, A.M., Yousry, M.M. Jahin, H.S, “Statistical [8] S.K. McFeeters, “The use of the Normalized Difference<br /> estimation of rosetta branch water quality using multi- Water Index (NDWI) in the delineation of open water<br /> spectral data”, Water Sci., vol.28, pp. 18-30, 2014. features”, International Journal of Remote Sensing, vol. 17,<br /> [4] Han. L., Jordan, K.J., “Estimating and mapping chlorophyll- pp. 1425-1432, 1996.<br /> a concentration in Pensacola Bay, Florida using Landsat [9] Somvanshi, S., Kunwar, P., Singh, N., Shukla, S. and<br /> ETM+ data”, Int. J. Remote Sens, vol.26, pp. 5245-5254, Pathak, “Integrated remote sensing and GIS approach for<br /> 2005. water quality analysis of gomti river, Uttar Pradesh”, Int. J.<br /> [5] Hellweger, F., Schlosser, P., Lall, U. and Weissel, J., “Use Environ. Sci., vol. 3, pp. 62-74, 2012.<br /> of satellite imagery for water quality studies in New York [10] T.L. Hùng, “Phương pháp phân tích thành phần chính trong<br /> harbor”, Estuar. Coast. Shelf Sci, vol. 61, pp. 437-448, 2004. xác định sự phân bố khoáng vật sét, oxit sắt bằng tư liệu ảnh<br /> [6] M. Haji Gholizadeh, M. Melesse, and L. Reddi, “A vệ tinh Landsat”, Tạp chí Khoa học ĐHSP TP.HCM., vol.<br /> Comprehensive Review on Water Quality Parameters 51, pp. 148-157, 2013.<br /> Estimation Using Remote Sensing Techniques”, Sensors,<br /> vol. 16, pp. 1-43, 2016.<br /> <br /> <br /> <br /> <br /> Evaluating salinity intrusion in estuaries<br /> using remote sensing data<br /> integrated in-situ observation<br /> Nguyen Nguyen Vu, Le Van Trung, Tran Thi Van*<br /> Ho Chi Minh City University of Technology, VNU-HCM<br /> *Corresponding author: tranthivankt@hcmut.edu.vn<br /> <br /> Received: 27-11-2018, Accepted: 25-12-2018, Published: 31-12-2018<br /> <br /> <br /> Abstract—Saline intrusion reduces crop water monitoring data collected from actual<br /> productivity, causes land degradation, decreases observation stations during the dry season.<br /> water quality, and severely affects agricultural Analysis showed that there was a statistically<br /> production, the environment as well as livelihoods. significant correlation between the observed<br /> Under the evolution of climate change and human salinity value of the water and the pixel value of<br /> activities from the upstream of the Mekong, the the first principal component image. Simulation of<br /> downstream areas of Dinh An and Cung Hau spatial distribution from the study indicates that<br /> estuaries in Tra Vinh province are also saline intrusion is now entering the interior with a<br /> significantly affected by saline intrusion from the distance from the estuary to about 30 - 48 km<br /> East Sea. This article presents the integrated depending on the time of the dry season. The<br /> solution of remote sensing and GIS in monitoring results of this study will assist managers in<br /> and mapping salinity intrusion. The data used are planning food safety strategies at the risk of saline<br /> Landsat 8 satellite images combined with salinity intrusion.<br /> Index Terms—correlation, mean sea level rise, spatial analysis, salinity intrusion<br />